一幅圖中總存在著一些獨(dú)特的像素點(diǎn)，這些點(diǎn)我們可以認(rèn)為就是這幅圖的特征，成為特征點(diǎn)。

計(jì)算機(jī)視覺(jué)領(lǐng)域特征提取：

獲取一幅圖中存在著一些獨(dú)特的像素點(diǎn)。

需要解決問(wèn)題：

• 1、提取圖片中的特征點(diǎn)
•  2、解決尺度不變性問(wèn)題，不同大小的圖片獲取到的特征是一樣的。
•  3、提取到的特征點(diǎn)要穩(wěn)定，能被精確定位。

二、OpenCV 特征提取算法

特征提取算法：

三、OpenCV特征提取 

結(jié)果：提取到的特征很粗糙，不是很精確的特征點(diǎn)，導(dǎo)致效果很差。

要求：去粗取精，獲取優(yōu)秀的匹配點(diǎn)。

四、OpenCV特征取精

取一幅圖像中的一個(gè)SIFT關(guān)鍵點(diǎn)，并找出其與另一幅圖像中歐式距離最近的前兩個(gè)關(guān)鍵點(diǎn)，在這兩個(gè)關(guān)鍵點(diǎn)中，如果最近的距離除以次近的距離得到的比率ratio少于某個(gè)閾值T，則接受這一對(duì)匹配點(diǎn)。 

五、OpenCV透視轉(zhuǎn)換

透視變換是按照物體成像投影規(guī)律進(jìn)行變換，即將物體重新投影到新的成像平面。透視變換常用于機(jī)器人視覺(jué)導(dǎo)航研究中，由于相機(jī)視場(chǎng)與地面存在傾斜角使得物體成像產(chǎn)生畸變，通常通過(guò)透視變換實(shí)現(xiàn)對(duì)物體圖像的校正。 

使用cv::warpPerspective()進(jìn)行透視變換

void cv::warpPerspective(

cv::InputArray src, // 輸入圖像

cv::OutputArray dst, // 輸出圖像

cv::InputArray M, // 3x3 變換矩陣

cv::Size dsize, // 目標(biāo)圖像大小

int flags = cv::INTER_LINEAR, // 插值方法

int borderMode = cv::BORDER_CONSTANT, // 外推方法

const cv::Scalar& borderValue = cv::Scalar() //常量邊界時(shí)使用

);

透視矩陣 ：

獲取特征矩陣：

a. 根據(jù)圖像的4個(gè)頂點(diǎn)來(lái)獲取特征矩陣

cv::Mat cv::getPerspectiveTransform( // 返回3x3透視變換矩陣

const cv::Point2f* src, // 源圖像四個(gè)頂點(diǎn)坐標(biāo)（點(diǎn)數(shù)組）

const cv::Point2f* dst // 目標(biāo)圖像上四個(gè)頂點(diǎn)的坐標(biāo)（點(diǎn)數(shù)組）

);

b. 函數(shù)來(lái)計(jì)算透視矩陣H(3*3)

findHomography    (   

InputArray     srcPoints,//源平面中點(diǎn)的坐標(biāo)矩陣.vector<Point2f>類型

InputArray     dstPoints,//目標(biāo)平面中點(diǎn)的坐標(biāo)矩陣，vector<Point2f>類型

int     method = 0,

double     ransacReprojThreshold = 3,

OutputArray     mask = noArray(),

const int     maxIters = 2000,

const double     confidence = 0.995

)

六、OpenCV圖像配準(zhǔn)融合與圖像反投影優(yōu)化

圖片拼接流程思想：

到此這篇關(guān)于OpenCV實(shí)現(xiàn)圖像拼接案例的文章就介紹到這了,更多相關(guān)OpenCV 圖像拼接內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！